近日，IEEE Power and Energy Society（國(guó)際電氣與電子工程師協(xié)會(huì)電力與能源學(xué)會(huì)，簡(jiǎn)稱(chēng)IEEE PES）在官網(wǎng)上發(fā)布了2022年度IEEE Transactions on Smart Grid（《IEEE智能電網(wǎng)匯刊》）最佳論文評(píng)選結(jié)果。我校岳東教授團(tuán)隊(duì)的論文Multi-agent Deep Reinforcement Learning for HVAC Control in Commercial Buildings獲評(píng)最佳論文（評(píng)選范圍包括《IEEE智能電網(wǎng)匯刊》近三年發(fā)表的千余篇論文，從中選取五篇），并在五篇最佳論文中排序第一。南郵自動(dòng)化學(xué)院、人工智能學(xué)院余亮教授為論文第一作者，岳東教授為論文通信作者，論文合作單位包括西安交通大學(xué)和華中科技大學(xué)。
論文研究了考慮區(qū)域隨機(jī)占用、熱舒適以及空氣質(zhì)量舒適情況下多區(qū)域商業(yè)建筑暖通空調(diào)系統(tǒng)能量成本最小化問(wèn)題。針對(duì)多重不確定性、多時(shí)空耦合、高維離散解空間、室內(nèi)熱動(dòng)態(tài)性模型未知以及非凸不可分離目標(biāo)函數(shù)帶來(lái)的挑戰(zhàn)，論文首次設(shè)計(jì)了基于多智能體注意力深度強(qiáng)化學(xué)習(xí)的暖通空調(diào)系統(tǒng)在線(xiàn)運(yùn)行優(yōu)化方法。所提方法無(wú)需知曉不確定性參數(shù)的任何先驗(yàn)信息和明確的建筑熱動(dòng)態(tài)性模型，具有高效性、魯棒性和可擴(kuò)展性。
《IEEE智能電網(wǎng)匯刊》是電力與能源領(lǐng)域的國(guó)際頂級(jí)學(xué)術(shù)期刊，由IEEE通信學(xué)會(huì)、計(jì)算智能學(xué)會(huì)、計(jì)算機(jī)學(xué)會(huì)、控制系統(tǒng)學(xué)會(huì)等十個(gè)學(xué)會(huì)共同提供技術(shù)支持。論文發(fā)表后產(chǎn)生了廣泛的國(guó)際影響，被加州理工學(xué)院、哈佛大學(xué)、加州大學(xué)伯克利分校、橡樹(shù)嶺國(guó)家實(shí)驗(yàn)室、牛津大學(xué)、帝國(guó)理工學(xué)院、瑞典皇家理工學(xué)院、蘇黎世聯(lián)邦理工學(xué)院、南洋理工大學(xué)、新加坡國(guó)立大學(xué)、清華大學(xué)等三十余所世界名校和科研機(jī)構(gòu)正面引用。
報(bào)道原文鏈接：https://ieee-pes.org/wp-content/uploads/2023/11/2022-Outstanding-Papers.pdf
（撰稿：余亮 初審：蔡志匡、戴修斌 編輯：王存宏 審核：張豐）